扫描件怎么变成能编辑的文字？手打了两页卷子才想起来，微信里就藏着免费OCR

开学第二周，班主任在群里发话，让家长把娃上学期的错题整理成电子版，摸底测验要用。我拍着胸脯把活接了，对着手机里拍的四张卷子打开Word，一个字一个字往里敲。两道应用题打完，40分钟没了，脖子也僵了。娃在旁边探头看了一眼，来了句：爸，这字不是长按就能抠出来吗？

行吧，被小学生上了一课。扫描这活我不算生，家里那台墨仓一体机平时证件、体检报告都是它扫的，怎么把纸变成图片我之前写过一篇扫描的完整攻略。但纸变成图片之后，图片里的字怎么变成能编辑的文字，这一步我一直没正经琢磨过。那天晚上我把三条免费路子全跑了一遍，第二回整理剩下六张卷子，前后十分钟。

先看手里的文件是哪种，别一上来就识别

这步省不得，我第一回就是没分清文件类型白白折腾。手上的东西无非三种。

第一种是照片和截图，JPG、PNG，一张一张的图，这没歧义，想抠字只能靠识别。第二种是PDF，但PDF要拆成两路人看：用鼠标在文字上拖一下，能拉出选区、能复制的，这是文字版，人家本来就是拿文字排出来的，选中Ctrl+C就完事，根本轮不到识别登场；拖不出选区、或者一点就把整页当成一张图选中的，这是扫描版，本质是图片套了个PDF的壳，跟照片一个待遇。第三种是纸质原件，那得先拍或者扫成电子图，这步用打印机或者手机就能办。

判断就一招：能选中的不叫识别，叫复制。识别这工具，只伺候图片和装成PDF的图片。

第一条路：微信长按「提取文字」，应急的天花板

这条路什么都不用装。微信里点开那张图——照片发到文件传输助手，或者翻聊天记录里的原图都行——把图点大，手指长按，菜单里就躺着「提取文字」四个字。一秒钟出结果，全文选中、复制、转发随便挑，免费，不限次数，连网络都不挑。

我拿娃的卷子实测：一张拍得正、光线足的卷子，600来字，识别完通读一遍，错了4处。错的还都是熟面孔——数字1认成小写字母l，0认成大写O，一个顿号丢了，还有一处的「己」认成了「已」。规律很明显：中文正文基本全对，栽跟头全栽在数字、字母、标点这一层。所以识别完别直接交差，花一分钟通读，火力集中在数字和标点上，尤其是要填进表格里的数。

短板同样明显。一次只能处理一张，手头二十几张的时候，点开、长按、复制、切窗口、粘贴，一套下来能点到人手抽筋。表格更是它的死穴，卷子上那个8行6列的课程表，识别出来塌成一行一行的文字，竖线没了，哪格对哪列得自己拿脑子重新拼一遍。

定位说清楚：一两张图救急，微信这条路方便到没有对手。量一大，它就顶不住了。

第二条路：表格多、要排版，白描这类专项工具上场

手机上装个白描，这是认表格的。还是那张课程表，相册里长按进批量模式，识别完点「表格识别」，直接还原成一个能导出的表格，8行6列横平竖直，我粘到Excel里基本没怎么动手修。给它拍图的时候把纸摆正、四条边都收进画面，还原的成功率还能再高一截。

代价是免费额度：一天5次识别、1次批量，会员十几块钱能解锁。我这种一学期集中干一回活的，免费额度其实够用；天天要扫合同的那种办公场景，充个会员比什么都省事。另外记住一个细节，它走的是云端识别，图要先传到人家服务器上算完再传回来——速度快是快，但这个细节先搁在心里，下一节要考。

顺手补一句，现在不少手机相册自己也带了这功能，安卓几家在图片界面有个「T」字样的识别入口，点一下框住就复制，效果跟微信一个量级。手边有就直接用，不用分个高低。

第三条路：证件、合同这些敏感件，我只走离线的Umi-OCR

第三条路是我最后留下当主力的。Umi-OCR，开源、免费、离线，Windows上跑，内核是PaddleOCR。这几个词挨个说分量：开源免费，意味着没有会员、没有次数限制、没有水印；离线，意味着图不出这台电脑——身份证、户口本、购房合同、银行流水这类东西，我原则上不让它们上任何云端，包括上一节那个好用的App。

用法简单到过分。装完是个小窗口，把图拖进去就出字；一沓子也不怕，全选了一起拖进去，它自己排队跑。我那32页的说明书扫描件，拖进去泡了杯水回来，全好了，输出成一个能直接粘贴的文本。

还有个我没想到的高频用法是「截图OCR」：设个快捷键，屏幕上任何地方——网页里不让复制的图片文字、视频里的字幕、弹出来的报错框——快捷键一按框住，字直接进剪贴板，比拍照再传手机少两步，现在查报错信息我全靠它。扫描版PDF也能整个拖进去，一本给你排成文本。速度上批量识别吃CPU，我家书房那台老台式机一页两三秒，说不上快，但架不住它不用人守着，睡前拖进去，早上收货。

手写体和数学公式，先降低预期再动手

三条路随便挑，有两类东西都得先打预防针。

手写体是第一坑。娃的错题本上老师手写的批语，我试着识别了一段，出来的东西一半要靠上下文猜，「的地得」连环错，连成一个自己都不认识的句子。爷爷那辈的钢笔字更没戏，扫描件的字迹一淡，识别直接摆烂。手写的资料，人眼慢慢敲反而是效率最高的，机器只适合认印刷体和清晰的打印字。

数学公式是第二坑。乘号、根号、分数线的上下结构，识别出来不是问号就是一串乱码，x的平方能给你写成x2，看着像那么回事，粘进Word全露馅。错题本里的公式部分我的办法就一个：老老实实手敲，或者用输入法自带的公式面板。跟机器较这个劲，不值。

顺带一提，竖排字、艺术字、背景花哨的图片也都会掉准确率。我翻出几张老照片，背面有爷爷用铅笔写的拍摄日期，竖排的，试了三张全废。那批照片我后来拿旧平板做了个挂在玄关的电子相框慢慢翻，背面的字就留给人眼认了，认不全当个念想也好。

什么文件走什么路，照着这张表抄

顺序理一遍：拿到东西先试着用鼠标选字，能选中直接复制收工；不能选中的，看看是什么货——一两张图微信长按解决；有表格的上白描；碰上证件合同或者一沓子扫描件，打开Umi-OCR拖进去。识别完的文本一定通读一遍，盯着数字和标点核，这一分钟省不得。

收尾交代下那本错题本的下场：识别、校对、排版完，我把它存成PDF，用手机连打印机直接打了一份给娃带去学校，纸上的错题绕了一圈又回到纸上，就是这一圈，省下了我两个晚上的手打时间。